一种基于码本背景模型的运动目标检测方法

针对减背景算法中复杂背景下背景帧的提取问题,给出了一种码本背景提取方法。利用视频图像序列中的颜色和亮度信息,为每一个像素点创建一个码本,且码本随着其中码字的更新而更新,所有像素点的码本构成一个完整的背景。用当前视频帧和码本进行比较得到前景运动目标。结果表明：算法运算量小,适合做实时处理。     

基于改进码本模型的视频运动目标检测算法

针对经典码本模型对动态背景适应能力不足及更新算法效率不高的问题,提出了一种用快速冒泡排序和短时滑动窗口改进的码本模型。为了优化码本结构,提高活动码字首次匹配成功概率,设计了一种快速冒泡排序算法对模型码本中码字位置进行快速排序;为了实现像素的均值及偏差的快速跟踪,设计了一种短时滑动窗口算法对像素变化信息进行存储,解决了动态背景的模型自适应问题。实验表明,改进后的算法能够有效适应复杂环境下的背景变化,且具有良好的检测精度和实时性能。     

基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。     

一种改进的视频运动目标检测算法

该文提出了一种改进的视频运动目标检测算法。该算法采用动态选取模型数的混合高斯的方法建立背景模型并实时更新,与当前帧比较进而提取出视频运动目标,通过扩展的区域生长法对运动目标进行定位。在背景差图像经过阈值化及形态学膨胀、腐蚀的基础上,定义扩展区域的大小,并设定区域内前景点个数的阈值,进行连通区域合并和前景区域定位。采用不同的视频测试序列,从检测效果及耗时上研究了改进的视频运动目标检测算法的性能。实验结果表明,该算法具有良好的检测效果和实时性能。     

一种基于空间信息的运动目标检测方法

针对现实生活中由于光照变化、背景噪声干扰、摄像机抖动等因素对运动目标的检测与识别存在巨大挑战的问题,提出了一种基于空间信息的运动目标检测算法。通过对像素点及其区域的亮度和角度差分等信息提取特征,建立背景模型,去除光照因素的干扰,比较当前帧和背景模型的相似系数确定前景区域,并且采用了自适应阈值的方法二值化前景图。实验证明,该方法能克服光照突变等复杂背景的干扰,实现对运动目标实时准确检测。     

基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背 景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原 始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地 实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

融合超像素分割与码本模型的目标检测算法

针对码本模型在前景目标检测中的效率有待进一步提高的现状,提出了融合超像素分割的码本构建算法。为减小处理对象的规模,设计了按照颜色及空间相似度聚类原始像素点的思路。以超像素作为码本构建单元,有利于抑制局部噪声并降低码本的冗余度。实验结果表明,融合超像素分割的码本模型算法在保持前景目标检测准确性的情况下,能显著减少视频处理过程中的内存消耗以及提高视频帧处理效率,在基于DM6437的嵌入式处理平台上达到了实时处理的性能。     

基于不同颜色空间的运动目标检测算法分析

视频图像运动目标检测是有效分类和跟踪运动物体的关键步骤。对于彩色图像,大多选择颜色特征作为运动目标的检测标准,而不同的颜色空间反映图像的信息不同。为此,本文分析了运动目标在多种颜色空间下的信息变化情况,以及不同色彩空间下的像素特征对目标检测算法性能的影响;比较了复杂背景环境下,基于不同颜色空间特征值的混合高斯模型算法的背景减除效果,以期为多种典型环境下颜色特征优选和算法优化提供理论基础和实践指导。实验结果表明:在RGB、YCrCb、HSV和Lab四种不同颜色空间中,基于Lab颜色空间的运动目标检测算法具有更高的检测率和更低的误检率,是一种能抗背景光干扰、适应能力较强、鲁棒性较好的检测算法。     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

复杂背景下运动目标的检测

提出了一种统计获取图像背景的方法，该方法与比特层相结合可完成复杂背景下运动目标的检测，与其它获取图像背景的方法相比较，这种统计获取图像背景的方法可同时完成背景的获得和更新．此运动目标检测方法运算简单，抗噪能力强，无需阈值选取．分割结果无重影．实验验证了本方法的有效性。     

基于YUV颜色空间的脸部区域特征点定位方法

为了实现面部主要特征点的精确定位,提出了一种融合YUV颜色空间与差分投影技术的人脸区域主要特征点定位方法。利用直方图拟合技术,实现了人脸区域的定位;在YUV颜色空间内,利用红色调像素点集的相位分布完成了嘴部区域的定位;利用差分投影技术求取脸部区域的横、纵向灰度差之和,并结合嘴唇区域的定位结果完成眼部区域的垂直定位与水平定位,为进行面部姿态识别奠定基础。试验结果表明,该方法可以有效地实现面部主要特征点地定位,具有准确率高,鲁棒性好,简单易行的特点。     

复杂探测背景下的LFMCW雷达动目标二维检测方法

为了提高线性调频连续波雷达在复杂探测背景下的动目标检测能力,分析了线性调频连续波雷达回波信号的一维和二维频谱特点,提出了一种基于二维信号变换的动目标检测处理方法.该方法对雷达回波信号进行距离-速度二维变换,将变换结果作为二维恒虚警检测器的输入参考单元来检测淹没在一维距离谱中的运动目标,降低了复杂探测背景对动目标检测的影响,并在目标检测后利用二维变换信息提取了目标距离、速度和方位角度,测量了目标运动轨迹.     

融合局部纹理特征的核密度估计运动目标检测

针对运动目标检测中光照变化、移动阴影问题,提出一种基于多维特征的核密度估计运动目标检测方法。提出一种改进的局部纹理特征二值模式,对噪声和灰度尺度变化具有更好的鲁棒性,在背景建模中将该纹理特征与颜色特征融合进行概率核密度估计,并结合像素的邻域相关性抑制虚假前景以更好地应对多模态背景场景。实验结果表明:在基于纹理特征或核密度估计的同一体系算法中,本文方法对光线渐变以及运动柔性阴影都有较好的鲁棒性,综合性能指标提高了18%;与目前性能优越的算法纵向比较,能在平均检测性能相当的情况下提高50%的处理速度,更好地平衡检测效果与时间性能。     

基于梯度阈值和特征抑制的运动目标检测算法

提出了一种基于梯度阈值和特征抑制的光流运动目标检测算法.首先将LK光流法和HS光流法思想进行互补,在梯度值较大的点使用亮度约束,梯度值较小的点使用平滑约束;然后采用特征抑制方法,筛选能够确定运动目标位置的光流点;最后检测出完整的运动目标.实验结果表明,本文算法提高了运动目标检测的准确度,而且实时性较好.     

转发式干扰环境中的机载雷达运动目标检测

针对机载雷达运动目标检测中转发式干扰会引起虚警、抬高检测门限并降低雷达系统的检测概率的问题,提出了一种基于最大似然估计的机载雷达运动目标检测算法．首先估计转发式干扰的空域导向矢量,然后采用最大似然方法估计出运动目标的幅度,并以此来进行检测．仿真实验表明,该算法在完成杂波抑制的同时,可有效抑制旁瓣转发式干扰对运动目标检测的影响,并能在一定程度上降低主瓣转发式干扰对运动目标检测的影响．     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。     

一种空时域结合滤波的运动弱小目标检测方法

依据红外序列图像中弱小目标运动轨迹的连续性,提出一种空时域结合滤波的运动弱小目标检测算法．在分析弱小目标可能的运动轨迹的基础上,构造了一组滤波模板,利用这组模板对时域检测结果进行滤波,确定出弱小目标可能的运动轨迹．并进一步结合时域特征,对运动弱小目标进行累积增强．由于提出的方法充分考虑了序列图像中运动弱小目标的空时域特征,因此具有很好的检测性能．     

基于道路辅助的机载SAR动目标检测和参数估计

经典的合成孔径雷达（SAR）动目标检测方法无法实现地面非匀速动目标的参数估计,为解决这一问题,本文根据动目标成像的特点,提出一种基于道路信息辅助的机载双通道SAR动目标检测方法。根据双通道SAR系统空间几何模型和回波信号模型,首先采用DPCA技术实现杂波抑制和动目标的检测,然后利用道路信息确定动目标的位置和速度,最后根据动目标方位向的散焦程度,估计动目标的距离向加速度。仿真结果验证了该方法的有效性。     

Moving object detection method based on complementary multi resolution background models

A novel moving object detection method was proposed in order to adapt the difficulties caused by intermittent object motion, thermal and dynamic background sequences. Two groups of complementary Gaussian mixture models were used. The ghost and real static object could be classified by comparing the similarity of the edge images further. In each group, the multi resolution Gaussian mixture models were used and dual thresholds were applied in every resolution in order to get a complete object mask without much noise. The computational color model was also used to depress illustration variations and light shadows. The proposed method was verified by the public test sequences provided by the IEEE Change Detection Workshop and compared with three state-of-the-art methods. Experimental results demonstrate that the proposed method is better than others for all of the evaluation parameters in intermittent object motion sequences. Four and two in the seven evaluation parameters are better than the others in thermal and dynamic background sequences, respectively. The proposed method shows a relatively good performance, especially for the intermittent object motion sequences.     

基于AR模型的反辐射导弹检测算法

根据反辐射导弹(ARM)的特点及其雷达回波信号中速度、加速度等特征,提出了一种新的基于AR模型的ARM检测算法．该方法通过建立二阶AR模型、估计代表不同目标的模型极点并由此估算目标加速度来判断目标性质．该方法不仅可以在雷达已跟踪上ARM载机后采用,而且可以适用于雷达搜索扫描时．仿真结果表明该方法具有分辨率高,对雷达脉冲重复频率PRF及积累脉冲数要求不高的特点,在低的PRF、及少的积累脉冲下,利用该方法仍可有效地识别检测出ARM．